[StarDict] 字典格式

最近又想搞 stardict 的程式出來，所以翻了 SayYa 上面自已以前寫的舊文：

嗯，這個內容是從 stardict/src/tools/DICTFILE_FORMAT 得來的，
由個人加以翻譯、潤飾跟簡化，所以如果有不對的地方，請指正。

stardict 有三種檔案：

1. a.ifo

2. a.idx

3. a.dict

ifo 放這本字典的 information
idx 放 wordlist 的 index
dict放 wordlist 拉過來的 word data

如果你看到 idx.gz 或 dict.gz 那是因為 stardict 可以接受壓縮格式的關係。


.ifo 裡面放
StarDict's dict ifo file
version=2.4.2
[options]

注意 version 的部份， 2.4.2 的 stardict 會去偵測 dict 是不是 for 2.4.2
的版本，如果不是就會拒絕存取。/* 按： 似乎到了 2.4.3 就不是這樣 */

有用的選項表列如下：
bookname= //required
wordcount= //required
idxfilesize= //required
author=
email=
website=
description=
date=
sametypesequence= //非常重要

wordcount 是每筆 word 記錄的總和，必須是正確的，不然會出問題。
說明中提到，為避免不斷的 realloc 降低軟體效能，
所以加入的 idxfilesize 是 idx (解壓縮後)的大小。

sametypesequence 可麻煩了，
你可以在 dict 中放入很多筆 wav 檔案記錄，
然後在 sametypesequence=W 接著，
dict file 在處理時就會忽略 'W' 這個字元。

再另外一個常見的情況做為例子：
你可以設做：
sametypesequence=tm
這樣每個字在 dict 檔裡的處理就會忽略掉 't' 和 'm' 字元，
此外，以 '\0' 和 'm' 結尾的輸入也會被當作每個記錄的結尾。


.idx 是生字清單

它會依序存放在這個檔案裡頭，每筆記錄應作下列格式：

word_str; (utf8 charset 並且以 '\0' 做結尾。)
word_data_offset;
word_data_size;